人形機器人競賽長期由美國與中國企業主導，如今歐洲也出現新的參賽者。曾參與 Tesla Optimus 與 Autopilot AI 開發的機器學習科學家 Rémi Cadene，與前 Google DeepMind、Hugging Face 工程師共同創立巴黎機器人新創 UMA，並在近日正式發表首款人形機器人 Northstar。
根據《Bloomberg》報導，UMA 已與約 50 家潛在客戶洽談實際應用場景，並決定優先進軍歐洲市場。Cadene 將原因指向歐洲的高勞動成本與人口結構變化。他表示，歐洲人口老化日益嚴重，勞動成本居高不下，市場對於機器人的需求將會非常強勁。
Starting with the fundamentals
— Remi Cadene (@RemiCadene) July 7, 2026
Prototype Version 0
AI, Software, Hardware
A small team, 9 months
Designed and assembled in Paris at @UMA_Robots pic.twitter.com/BJvtpgHctL
一支從巴黎出發的「夢幻團隊」
UMA 之所以一亮相就受到關注，很大程度來自它的團隊經歷。Cadène 在 Tesla 工作約三年（2021 至 2024 年），任職於 Autopilot 團隊，參與駕駛輔助系統與 Optimus 背後的 AI，離開後加入 AI 平台 Hugging Face，主導開源機器人函式庫 LeRobot，這套工具在約一年內從零成長到超過 1.2 萬顆 GitHub star，成為機器人學習領域的基礎建設之一。
他身邊的共同創辦人陣容同樣資歷深厚。《The Next Web》指出，UMA 的科學長 Pierre Sermanet 出身 Google DeepMind，技術長 Simon Alibert 是 LeRobot 共同創辦人，機器人長 Robert Knight 則是廣泛使用的開源機械臂 SO-100 的設計者。
UMA 全名為 Universal Mechanical Assistant，於 2025 年 12 月走出隱形模式，《The Robotics Media》提到團隊分布於巴黎、倫敦與日內瓦。顧問名單則包括 Meta 首席 AI 科學家、圖靈獎得主 Yann LeCun。根據 UMA 官網，公司創投投資人還包括 Greycroft、Relentless、Unity Growth Fund、Red River West 與 Factorial。
40 公斤輕量化設計，不急著讓機器人看起來像人
根據報導，UMA 預計在 2026 年底前交付 Northstar 概念驗證版本。這款機器人將以輪子取代雙腿，外部則覆蓋一層柔軟材質，Cadene 將其比喻為「工作服」。該公司的目標是將機器人重量控制在約 40 公斤，使其能更安全地與人類互動。
這條產品路線，與許多人形機器人業者急於展示行走、奔跑能力有所不同。根據 UMA 發布資料，該公司正在開發兩個互補的系統：一款是適用於倉儲與組裝線的雙臂移動式工業機器人，另一是更適合在醫院、實驗室與家庭等以人類為中心的空間中導航、直接與人類協作的緊湊型人形機器人。
UMA 對 Northstar 外觀也採取較克制的設計：採用中性面罩、柔性外殼與外露機械關節，刻意讓使用者知道眼前的是機器，而非模仿人類的替代者。
但現階段仍不能忽略 Northstar 的產品成熟度。《Electrek》直接指出，從目前公開影像判斷，UMA 在機器人硬體方面似乎仍處於相對早期階段。換言之，UMA 現在最突出的籌碼，未必是機器人本體。
從 Optimus 到 LeRobot，UMA 押注機器人「如何學習」
根據《Bloomberg》，Northstar 的 AI「大腦」採用一種稱為「即時學習」（real-time learning）的方法進行訓練。這套方法讓機器人能觀看示範、學習技能，並在執行新任務的過程中持續進步，而不必針對每一項應用重新編寫程式。
Cadene 表示：「這就像孩子學習綁鞋帶。首先有人教他怎麼做，接著再透過反覆練習持續進步。」在巴黎實驗室中，他也向外媒展示搭載電腦視覺的機械手臂，能依照顏色抓取並分類塑膠壁塞。
美、中搶跑之際，歐洲也開始組自己的機器人團隊
UMA 的另一層意義，在於它出現在歐洲人形機器人投資升溫的時間點。《Bloomberg》指出，隨著工作年齡人口下降，投資人正加碼能協助工業自動化的 AI 機器人。除了 Tesla、Figure AI 等美國業者，歐洲也陸續出現法國 Genesis AI、德國 NEURA Robotics 等新創取得資金。
不過，要說歐洲人形機器人生態已經成形仍言之過早。《The Next Web》也直言，UMA 面對的問題與所有燒錢投入 Physical AI 的新創相同：能否把一支明星研究團隊，真正轉化為可交付的產品。
50 家潛在企業是否會成為付費客戶，Real-Time Learning 能否在工廠與倉庫的複雜環境中持續學習，Northstar 又能否從 40 公斤的早期原型走向量產，仍是 UMA 接下來必須回答的問題。
【推薦閱讀】
◆ 人形機器人 Atlas 首登世界盃，真正突破卻在場外：把它「變簡單」為何是關鍵？
＊本文開放合作夥伴轉載，資料來源：《Bloomberg》、《The Next Web》、《The Robotics media》、《AI Weekly》、《Elektrek》、《BusinessWire》，首圖來源：截取自 Remi Cadene
